Thenlper: GTE-Large: مدل هوش مصنوعی
GTE-Large یک مدل تعبیهسازی متن (embedding) است که متن انگلیسی را به بردارهای متراکم ۱۰۲۴بعدی تبدیل میکند، برای جستوجوی معنایی، RAG و خوشهبندی، از داخل ایران و از طریق هرمز.
- پنجره زمینه:
- 512 توکن
- ورودی:
- $0.01 / هر ۱M توکن
- خروجی:
- $0 / هر ۱M توکن
- نوع:
- embedding
- امبدینگ
مدل gte-large جمله‌ها، پاراگراف‌ها و اسناد با طول متوسط انگلیسی را به یک بردار متراکم ۱۰۲۴بعدی تبدیل میکند. رمزگذار بزرگ‌تر GTE دقت را در بازیابی اطلاعات، شباهت معنایی، رتبه‌بندی مجدد و خوشهبندی متن‌های عمومی افزایش می‌دهد. این مدل بردارهای تعبیهسازی متراکم ۱۰۲۴بعدی تولید میکند و برای بازیابی، جستوجوی معنایی، خوشهبندی و رتبه‌بندی مناسب است.
این مدل تا ۸۱۹۲ توکن ورودی در هر درخواست را پردازش میکند. از طریق هرمز پشت یک API تعبیهسازی سازگار با OpenAI ارائه می‌شود؛ کافی است آدرس پایه را به هرمز تغییر دهید و کلید هرمز را قرار دهید و درخواست را به مسیر /embeddings بفرستید. قیمتگذاری بر پایهی مصرف است: ۰.۰۱ دلار به ازای هر یک میلیون توکن ورودی.
هرمز دسترسی پایدار به این مدل را از داخل ایران فراهم میکند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.
The gte-large embedding model converts English sentences, paragraphs and moderate-length documents into a 1024-dimensional dense vector space, delivering high-quality semantic embeddings optimized for information retrieval, semantic textual similarity, reranking and...
شروع سریع
curl https://api.hormouz.net/v1/embeddings \
-H "Authorization: Bearer ng-YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"thenlper/gte-large","input":"The quick brown fox"}'مشخصات
| سازنده | TheNLPer |
|---|---|
| نوع | امبدینگ |
| پنجره زمینه | ۵۱۲ توکن |
| قیمت | $0.01/M in · $0.00/M out |
| نوع API | embeddings |
نمونه کد
curl https://api.hormouz.net/v1/embeddings \
-H "Authorization: Bearer ng-YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"thenlper/gte-large","input":"The quick brown fox"}'from openai import OpenAI client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1") resp = client.embeddings.create(model="thenlper/gte-large", input="The quick brown fox") print(resp.data[0].embedding)
import OpenAI from "openai";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const resp = await client.embeddings.create({
model: "thenlper/gte-large",
input: "The quick brown fox",
});
console.log(resp.data[0].embedding);خرید API Thenlper: GTE-Large با پرداخت ریالی
- با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
- با یک کلید هرمز به Thenlper: GTE-Large و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
- بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
استفاده از طریق هرمز
با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.
درخواست دسترسی شرکتیسوالات متداول
- GTE-Large چیست و برای چه کاری مناسب است؟
- GTE-Large یک مدل تعبیهسازی متن (embedding) است که متن را به بردارهای متراکم ۱۰۲۴بعدی تبدیل میکند. کاربردهای رایج آن جستوجوی معنایی، بازیابی برای RAG، خوشهبندی و سنجش شباهت است.
- بُعد بردار تعبیهسازی GTE-Large چقدر است و حداکثر طول ورودی آن چیست؟
- هر بردار خروجی ۱۰۲۴ بُعد دارد و مدل تا ۸۱۹۲ توکن ورودی را در هر درخواست میپذیرد.
- چطور GTE-Large را از طریق هرمز فراخوانی کنم؟
- مسیر /embeddings را با متن ورودی و شناسهی مدل «thenlper/gte-large» فراخوانی کنید. چون API با OpenAI سازگار است، تنها آدرس پایه را به هرمز تغییر دهید و کلید هرمز را جایگزین کنید؛ همان کد کلاینت تعبیهسازی OpenAI کار میکند.
- هزینهی استفاده از GTE-Large چقدر است؟
- قیمتگذاری بر پایهی مصرف است: ۰.۰۱ دلار به ازای هر یک میلیون توکن ورودی. هیچ هزینهی ثابت ماهانهای وجود ندارد و فقط بابت مصرف واقعی پرداخت میکنید.
- چطور از داخل ایران به GTE-Large دسترسی داشته باشم؟
- در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیر دسترسی پایدار به این مدل را از داخل ایران فراهم میکند و نیازی به کارت اعتباری خارجی ندارید.
به‌روزرسانی: 2026-10-13